論文の概要: Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation

• arxiv url: http://arxiv.org/abs/2606.07244v1
• Date: Fri, 05 Jun 2026 13:11:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.747428
• Title: Beyond Waypoints: A Trajectory-Centric Waypointing Paradigm for Vision-Language Navigation
• Title（参考訳）: Beyond Waypoints:視覚言語ナビゲーションのための軌道中心のウェイポイントパラダイム
• Authors: Haoxiang Shi, Xiang Deng, Haoyu Zhang, Qiaohui Chu, Yaowei Wang, Liqiang Nie,
• Abstract要約: VLN-CE(Vision-Language Navigation in Continuous Environments)では、エージェントが現実世界のような環境でナビゲートしながら自然言語の指示に従う必要がある。 ほとんどのVLN-CEアプローチでは、ウェイポイント予測器がウェイポイントを提案し、ナビゲータが最良のウェイポイントを選択する。 提案手法は,各候補の経路点を実行可能な軌道に配置する,トラジェクトリ・ウェイポイントという新しいパラダイムを導入する。
• 参考スコア（独自算出の注目度）: 79.12557132788139
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-Language Navigation in Continuous Environments (VLN-CE) requires agents to follow natural-language instructions while navigating in real-world-like environments. Most VLN-CE approach\-es adopt a three-stage framework: a waypoint predictor proposes navigable waypoints, and a navigator selects the best waypoint, with a low-level controller executing the movement to it. However, this decoupled paradigm often leads to unreachable waypoints or inconsistencies between planning and control. In this work, instead of predicting isolated waypoints, we introduce a novel paradigm called Trajectory Waypoint, which grounds each candidate waypoint in an executable trajectory. To realize this, we design a Trajectory Waypoint Predictor formulated as a TSDF-guided diffusion policy, which steers trajectory generation away from obstacles, inherently ensuring the reachability of the predicted waypoints. We further propose a trajectory-enhanced navigator that injects the associated trajectory as additional information for planning, enabling strict consistency between high-level semantic decisions and low-level execution. Extensive experiments on the VLN-CE benchmark show that our Trajectory Waypoint paradigm achieves superior performance over the baselines.
• Abstract（参考訳）: VLN-CE(Vision-Language Navigation in Continuous Environments)では、エージェントが現実世界のような環境でナビゲートしながら自然言語の指示に従う必要がある。 多くのVLN-CEアプローチ\-esでは、3段階のフレームワークが採用されている: ウェイポイント予測器はナビゲート可能なウェイポイントを提案し、ナビゲータは最適なウェイポイントを選択する。 しかし、この分離されたパラダイムは、しばしば、計画と制御の間の到達不可能な道のりや矛盾につながる。 本研究では,孤立した経路ポイントを予測する代わりに,各候補経路ポイントを実行可能な軌道に配置するトラジェクトリ・ウェイポイントという新しいパラダイムを導入する。 これを実現するために,TSDF誘導拡散ポリシとして定式化されたトラジェクトリ・ウェイポイント予測器を設計し,トラジェクトリ生成を障害物から遠ざけ,予測されたウェイポイントの到達性を本質的に保証する。 さらに,高レベルの意味決定と低レベルの実行との厳密な整合性を実現するために,関連する軌道を計画のための追加情報として注入するトラジェクトリ強化ナビゲータを提案する。 VLN-CEベンチマークの大規模な実験により、私たちのトラジェクトリ・ウェイポイント・パラダイムはベースラインよりも優れた性能を実現していることが示された。

関連論文リスト

• AgentVLN: Towards Agentic Vision-and-Language Navigation [78.739525400071]
  VLN (Vision-and-Language Navigation) は、複雑な自然言語命令を、見えない環境での長距離ナビゲーションに接地するために、エンボディエージェントを必要とする。 本稿では,エッジコンピューティングプラットフォーム上に展開可能な,新規かつ効率的なナビゲーションフレームワークであるAgentVLNを提案する。
  論文  参考訳（メタデータ） (2026-03-18T12:43:47Z)
• Addressing the Waypoint-Action Gap in End-to-End Autonomous Driving via Vehicle Motion Models [0.0]
  予測された動作シーケンスを対応するエゴフレーム・ウェイポイント・トラジェクトリにロールアウトする、微分可能な車両モデルフレームワークを提案する。 当社のアプローチでは,ウェイポイントベースのベンチマーク内で,アクションベースのアーキテクチャを初めてトレーニングし,評価することが可能です。
  論文  参考訳（メタデータ） (2026-02-05T21:42:13Z)
• MetricNet: Recovering Metric Scale in Generative Navigation Policies [51.90872764552077]
  MetricNetは、ウェイポイント間の距離を予測するジェネレーティブナビゲーションのための効果的なアドオンである。 MetricNetスケールのウェイポイントの実行はナビゲーションと探索の両方のパフォーマンスを大幅に改善することを示す。 また、MetricNetをナビゲーションポリシーに統合し、目標に向かって移動しながら障害物からロボットを誘導するMetricNavを提案する。
  論文  参考訳（メタデータ） (2025-09-17T13:37:13Z)
• DAgger Diffusion Navigation: DAgger Boosted Diffusion Policy for Vision-Language Navigation [73.80968452950854]
  Vision-Language Navigation in Continuous Environments (VLN-CE) は、エージェントが自由形式の3D空間を通して自然言語の指示に従う必要がある。 既存のVLN-CEアプローチは通常、2段階のウェイポイント計画フレームワークを使用する。 本稿では,エンドツーエンド最適化VLN-CEポリシとしてDAgger Diffusion Navigation (DifNav)を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:51:43Z)
• SmartWay: Enhanced Waypoint Prediction and Backtracking for Zero-Shot Vision-and-Language Navigation [12.152477445938759]
  連続環境におけるVLN(Vision-and-Language Navigation)は、制約のない3D空間をナビゲートしながら自然言語命令を解釈するエージェントを必要とする。 既存のVLN-CEフレームワークは、2段階のアプローチに依存している。 マルチモーダル大言語モデル(MLLM)に基づくナビゲータと拡張されたウェイポイント予測器を統合したゼロショットVLN-CEフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-13T05:32:57Z)
• PRET: Planning with Directed Fidelity Trajectory for Vision and Language Navigation [30.710806048991923]
  視覚と言語ナビゲーションは、エージェントが自然言語の指示に従ってナビゲートする必要があるタスクである。 近年の手法では、各ステップで構築されたトポロジーマップのサブゴールを予測し、長期的な行動計画を可能にする。 本稿では,指示と指向性軌道のアライメントを考慮し,ナビゲーション計画を容易にする方法を提案する。
  論文  参考訳（メタデータ） (2024-07-16T08:22:18Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。